AGIEval

全面评估AI模型人类认知能力的基准测试

AGIEval 基准测试基础模型人工智能评估自然语言处理 Github 开源项目

AGIEval是一个评估AI基础模型人类认知能力的综合基准。它包含20个源自高标准入学和资格考试的任务，涉及多个领域。AGIEval提供完整数据集、基线系统评估和详细评估方法，是衡量AI模型综合能力的权威工具。最新版本支持多语言评估，并设有完整排行榜，为研究人员提供了全面的AI模型能力评估平台。

UHGEval - 中文大语言模型无约束生成幻觉评估基准

Eval SuiteGithubUHGEval中文评估基准大语言模型幻觉评估开源项目

UHGEval是一个评估中文大语言模型在无约束生成任务中幻觉现象的基准。该项目基于文本生成和幻觉收集，融合自动标注与人工审核。UHGEval提供判别式、生成式和选择式等多种评估方法。项目还包含Eval Suite评估框架，支持多个幻觉评估基准，可全面评估单个大语言模型的表现。

Confident AI - 开源LLM评估平台加速企业AI应用落地优化

AI工具AI评估DeepEvalLLM测试开源工具性能分析

Confident AI作为开源大语言模型评估平台，提供全面LLM测试方案。平台支持多种评估指标和快速单元测试，并具备A/B测试、输出分类和报告功能。这些特性有助于企业优化LLM工作流程，提高投资回报率，加快AI解决方案的市场化进程。Confident AI为企业提供了可靠的工具，以更高效地将LLM应用部署到生产环境。

evalverse - 开源大语言模型评估工具集

AI研究EvalverseGithubLLM评估开源项目评估报告

Evalverse是一个开源的大语言模型评估工具集，提供统一、标准化的评估解决方案。支持多种评估方法，可无代码进行评估并生成报告。通过子模块扩展评估能力，集成lm-evaluation-harness和FastChat等框架。生成的详细报告包含分数、排名和可视化，便于比较不同模型性能。适用于AI研究人员及LLM领域新手。

llmeval-1 - 系统评估中文大语言模型的创新研究项目

GithubLLMEVAL-1大模型大语言模型评测开源项目排行榜评测方法

LLMEVAL-1项目致力于系统研究大语言模型评价方法。该项目涵盖17个大类、453个问题，内容包括事实性问答、阅读理解和框架生成等多个领域。评测采用分项和对比两种方式，从正确性、流畅性、信息量、逻辑性和无害性五个维度进行。LLMEVAL-1通过结合众包和专业评测，为中文大语言模型提供了全面、客观的评估基准。

prometheus-eval - 前沿的大语言模型生成任务评估工具

BiGGen-BenchGithubPrometheus 2 BGBPrometheus-Eval开源项目评估语言模型

Prometheus-Eval是一个评估生成任务中大型语言模型（LLMs）的开源项目。最新的Prometheus 2版本内置多种高性能评估模型，并集成了提供9项核心能力、77个任务和765个实例的BiGGen-Bench评估平台。该项目支持本地推理和通过VLLM及LLM API进行远程评估，且能够方便地在Python环境中安装和使用。项目持续更新，以确保评估的准确性和效率。访问官方仓库获取更多信息。

AGI-survey - 人工通用智能研究前沿及未来发展路线图概览

AGIGithub人工智能多模态大语言模型开源项目推理

AGI-survey项目系统梳理了人工通用智能(AGI)研究的前沿进展。项目覆盖AGI内部机制、接口设计、系统实现、对齐问题及发展路线等核心领域,汇总分析了大量相关论文。内容涉及AGI的感知、推理、记忆能力,及其与数字世界、物理世界和其他智能体的交互。此外,项目还探讨了AGI的评估方法和伦理考量,为AGI的发展提供全面参考。

big-AGI - 领先的人工智能综合平台，为专业需求提供强大的功能与优质用户体验

AI模型Githubbig-AGI多模态服务开源项目热门用户体验隐私保护

big-AGI是一个为专业人士设计的AI套件，集成了12家供应商的最新模型和开源服务器，提供聊天、Beam、和Calls等多功能服务。该平台以简洁、快速和高效的用户体验，帮助用户保持领先地位。通过big-AGI，用户在同一平台上即可享受丰富的视觉化、编程、绘图和多任务交流功能，满足不同的工作和娱乐需求。big-AGI还支持自定义的AI人格和语音模式，让交互更加生动有趣。

You Rate AI - 真实用户体验驱动的AI服务评估系统

AI工具AI评分AnthropicGoogleOpenAI语言模型

本平台专注于从真实用户体验出发评估人工智能服务，摒弃学术论文和基准测试的局限。该评估系统提供涵盖写作、角色扮演、编码、逻辑和知识等方面的综合评分，使用户能直观比较各种AI服务性能。评分数据定期更新，确保提供最新、最实用的AI性能比较信息，助力用户做出明智选择。作为用户导向评估的领先平台，我们致力于为AI爱好者和专业人士提供可靠的AI服务参考。

can-ai-code - 通过人类撰写的面试题测试AI的编程能力

AI codingDockerGithubLLMquantizationtesting suite开源项目

该项目通过人类撰写的面试题测试AI的编程能力，提供多种主流API提供商和CUDA支持的推理脚本，并在基于Docker的沙盒环境中验证Python和NodeJS代码的安全性。用户可以评估提示技巧和采样参数对大语言模型（LLM）编码性能的影响，以及量化对LLM编码性能的衰减影响。项目包括多语言测试套件和来自OpenAI的Python-only测试套件，支持对比分析，并提供了详尽的结果数据和评估脚本。

OLMo-Eval - 开源语言模型评估框架多任务性能测试解决方案

AI2-TangoGithubOLMo-Eval任务集开源项目评估管道语言模型评估

OLMo-Eval是一个评估开放语言模型的框架，支持多个NLP任务的评估流程。通过task_sets和示例配置，可以评估多个模型在各种任务上的表现。项目基于ai2-tango和ai2-catwalk构建，提供快速入门指南、标准基准测试和PALOMA项目集成，是一个全面的语言模型评估工具。

相关项目

推荐项目

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com